知识卡片
逻辑回归先估概率再分类
二元逻辑回归先计算线性分数 z,再用 Sigmoid 将分数映射到 0 与 1 之间。z=0 时概率为 0.5。分类阈值可按误报漏报成本调整。固定阈值对应特征空间中的线性边界,非线性特征可以改变原始输入空间的边界形状。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第4章 回归算法
原书出处 · 1 处
- 回归算法 4.3.1 · 查看原书依据
以利用了逻辑函数(或称为Sigmoid函数)估计概率,来衡量因变量(我们想要预测的标签)与一个或多个自变量(特征)之间的关系。这些概率必须二值化才能真正地进行预测。
参考来源
- 位置:《AI制胜:机器学习极简入门》第4章 回归算法 §4.3.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter4.xhtml#isbn9787302555513_4_1_1_6)
- 结论依据:原文用 S 形曲线与阈值解释为何逻辑回归适合二分类。
- 原始内容:以利用了逻辑函数(或称为Sigmoid函数)估计概率,来衡量因变量(我们想要预测的标签)与一个或多个自变量(特征)之间的关系。这些概率必须二值化才能真正地进行预测。